Bild ist KI-generiert

Dennoch müssen sich viele Softwareanbieter berechtigte Sorgen machen

Im Januar 2026 postete Dave Clark, ehemaliger CEO von Amazon Worldwide Consumer, auf LinkedIn, er habe mittels Vibe-Coding an einem Wochenende ein neues CRM gebaut. Der Post wurde tausendfach geteilt und die Reaktionen reichten von Begeisterung bis Entsetzen. Da scheint etwas Großes zu passieren, doch die meisten Unternehmen, egal ob Softwarehäuser, deren Kunden oder Investoren, schätzen falsch ein, was das ist.

Analysten, Berater und Anbieter reagieren auf die genannte Entwicklung mit einem Rückzug in das Vertraute: Trendlisten, Feature-Roadmaps, Reifegradmodelle. Gartner prognostiziert, dass 40% aller Enterprise-Applikationen bis Ende 2026 aufgabenspezifische KI-Agenten enthalten werden. Forrester stellt fest, dass 58% der B2B-Unternehmen Prozessdesintegration als ihr primäres Wachstumshindernis nennen. IDC projiziert, dass fast die Hälfte aller neuen CRM-Investitionen in Datenarchitektur und KI-Infrastruktur fließen wird.

All das ist richtig oder sollte richtig sein. Aus meiner Sicht ist es aber problematisch, dass nahezu alle diesbezüglichen Artikel 2025 und 2026 von der impliziten Frage „Wie wird das CRM-System besser?“ ausgehen, anstatt zu fragen, wie das Kundenbeziehungsmanagement (Ich habe bewusst auf das „-System“ verzichtet) im KI-Zeitalter aussehen muss. Und diese Frage lässt sich nicht evolutionär, sondern nur revolutionär beantworten.

Die Nervosität an den Märkten ist berechtigt

Der virale Vibe-Coding-Post war kein Einzelfall. Auch die weit verbreitete Sorge vor der Arbeitsplatzvernichtung durch KI folgt einer wachsenden Marktangst unter dem Slogan „KI ersetzt …“. Große Softwareanbieter verloren im Verlauf von 2025 signifikant an Börsenwert und Investoren diskutierten, ob Abo-Modelle noch eine Zukunft haben, wenn ein Gründer sein CRM in zwei Tagen selbst bauen kann. Daraus entstand die Sorge der Analysten, ob die Ära der monolithischen Unternehmensanwendungen strukturell zu Ende geht.

Die Anbieter antworteten reflexartig mit mehr KI-Features, mehr Agenten, schnelleren Roadmaps und wenn Lösungen, die die Zukunftsfähigkeit vermeintlich sichern würden, im eigenen Hause nicht vorhanden waren, wurde zugekauft.

Die Nervosität an den Märkten ist berechtigt, wenn auch aufgrund falscher Schlussfolgerungen. Das Risiko für klassische CRM-Software kommt meiner Meinung nach nicht davon, dass jeder sein eigenes System bauen wird. Enterprise-Organisationen werden das nicht tun. Das Risiko kommt davon, dass das Grundprinzip von CRM-Systemen (Der Mensch bedient das System, das System speichert, was er getan hat), im KI-Zeitalter strukturell obsolet wird. Und die Branche diskutiert Symptome, statt das Prinzip selbst zu hinterfragen … und KI stellt uns nun genau das nötige Handwerkszeug bereit.

Die internationale Diskussion stellt viele Dinge korrekt fest. Aber …

Marketingexperten beschreiben treffend, dass KI aufhört, ein Hilfsmittel zu sein, und beginnt, Bedürfnisse von Kunden zu antizipieren, bevor diese sie selbst formulieren. Analysten konstatieren, dass gute Systeme irgendwann nicht mehr nur melden, dass der Umsatz sinkt, sondern konkret empfehlen, welche Vertriebsressourcen wohin verlagert werden sollten. Andere beobachten nüchtern, dass Softwareanbieter ihre Kunden immer tiefer in geschlossene Plattform-Ökosysteme hineinziehen. Dies geschieht bewusst, systematisch und mit langfristigen Konsequenzen. Und Gartner weist darauf hin, dass über 60% der Geschäftskunden heute ihre Kaufentscheidung weitgehend getroffen haben, bevor sie überhaupt das erste Gespräch mit einem Anbieter führen. Das verändert grundlegend, wann ein System überhaupt relevant werden muss.

Das alles sind richtige Beobachtungen und doch beschreiben sie alle nur eine bessere Version dessen, was wir bereits haben.

Keiner dieser Ansätze stellt konsequent die Frage, was wäre, wenn das System nicht mehr darauf wartet, dass Menschen es bedienen, sondern selbst handelt? Das bedeutet nicht, dass es die Arbeit der Menschen übernehmen würde. Es würde die Tätigkeitsschwerpunkte aber massiv verlagern; weg von Datenpflege und Prozessverwaltung, hin zu Orchestrierung und Entscheidung. Damit entstünde Raum für wirklich gravierendes Wachstum.

Die meisten Ansätze sehen KI als Schicht, statt als Kern

Jedes heutige Unternehmenssystem basiert auf derselben stillschweigenden Annahme: Der Mensch handelt, das System protokolliert.Der Mensch denkt, entscheidet, handelt. Das System speichert, was er getan hat.

In dieser Logik wird KI als Add-on behandelt, welches beschleunigt, empfiehlt und automatisiert. Die Grundarchitektur wird aber nicht verändert. Das Entitätsmodell bleibt. Die Masken bleiben. Die Workflows bleiben. Der Mensch trägt weiterhin Daten ein, arbeitet Prozessschritte ab und interpretiert statisch definierte Reports.

Das war viele Jahre ein hervorragender Ansatz. Man verbesserte das Bestehende so lange, bis man nicht mehr weiterkam. Dabei übersieht man aber allzu häufig, wenn das Bestehende selbst das Problem ist.

Ein wirklich KI-natives System kehrt diese Logik um. Es beginnt nicht mit der Frage „Welche Daten speichern wir?“ oder „Welchen Prozessschritten folgen wir?“, sondern mit der Frage: „Welche Ziele verfolgt dieses Unternehmen? Was braucht ein intelligentes System, um sie autonom zu unterstützen? Welche Aufgaben können am besten durch KI und welche durch Menschen bearbeitet werden?“ Das Datenmodell ist dann eine Konsequenz der Intentionsarchitektur und nicht ihr Ausgangspunkt.

Was ein NextGen-xRM konkret leisten muss

Bevor man über Plattformen oder Anbieter spricht, lohnt es sich, das Anforderungsprofil eines solchen Systems klar zu benennen. Dafür muss nichts neu erfunden werden, denn alle Bausteine existieren heute bereits.

Intentionen statt Objekte. Das System sollte nicht in Entitäten wie Kontakt, Opportunity oder Ticket denken „müssen“, sondern in Zielen: „Kunde X soll in 90 Tagen zu einem Jahresvertrag bewegt werden.“ Es leitet daraus selbstständig ab, welche Informationen es braucht, welche Aktionen sinnvoll sind und welche Hindernisse es erkennt. Unter der Oberfläche können dabei die altbekannten Datenbankmuster die Datenverfügbarkeit sicherstellen. Wichtig ist dabei, dass der Mensch nicht mehr primär für die Datenpflege zuständig ist.

Autonome Synchronisation. Klassische Systeme speicherten, was die Nutzer ihnen bewusst anvertrauten (und das war häufig genug herzlich wenig). Ein NextGen-xRM beobachtet Interaktionen: E-Mails, Calls, Dokumente, Verträge, Marktdaten. Es aktualisiert seine Datenbasis kontinuierlich. Der Mensch pflegt dabei keine Daten mehr gezielt, sondern korrigiert das System, wenn es falsch liegt. Das ist eine Umkehrung der heutigen Logik statt einer Weiterentwicklung.

Zielorientierte Agenten statt regelbasierter Workflows. Workflows sind vorgefertigte Pfade durch bekannte Situationen. Sie werden auch weiterhin ihre Berechtigung haben; teils für menschenzentrierte Prozessschritte und teils für klar definierte, regelbasierte Abläufe (Stichwort „RPA“ – Robotic Process Automation). Das NextGen-System operiert hingegen in einem Zielraum. Es kennt das gewünschte Ergebnis, bewertet kontinuierlich den aktuellen Zustand und wählt den jeweils sinnvollsten nächsten Schritt, auch wenn dieser Schritt in keinem Prozesshandbuch steht.

Semantische Kontextintelligenz als Ergänzung zur Datenintegration. Viele Unternehmen kämpfen nach wie vor mit Datensilos in ihren Legacy-Unternehmensanwendungen. Dennoch ist in vielen Konstellationen der Datenfluss zwischen Systemen nicht mehr so sehr ein technisches Problem. APIs und Konnektoren stehen zur Verfügung, aber die Herausforderung ist semantischer Natur. Ein ERP weiß z.B., dass eine Rechnung offen ist und ein CRM weiß, dass der Kontakt positiv auf ein Angebot reagiert hat. Aber keine Middleware verbindet diese Fakten zu gemeinsam nutzbaren konkreten Erkenntnissen. Kontextintelligenz entsteht durch ein gemeinsames semantisches Modell und nicht durch bessere Schnittstellen.

Konversationale und visuelle Benutzerkonzepte. Im NextGen-xRM ist die Oberfläche kein einmalig definiertes Formular und kein vorkonfiguriertes Dashboard. Sie ist ein Dialog. Der Mensch fragt und das System antwortet situationsspezifisch … egal ob in Sprache oder als ad-hoc generierte Visualisierung. Natürlich ergänzen aber auch klassische Controls und Designaspekte die Benutzeroberfläche, denn der Mensch bleibt ein visuelles Wesen. Es bringt nichts, wenn die KI die drei wichtigsten Kunden nennt, ohne dass der Mensch ein Bild der gesamten Kundenbasis hat. Beide Erkenntnismodi, konversational und explorativ-visuell, sind gleich legitim. Sie sind unterschiedliche Fenster auf dieselbe Datenbasis. Das Entscheidende ist, dass die Antworten auf Fragen, die in einem Jahr relevant werden, nicht heute beim Softwaredesign antizipiert werden müssen.

Bestätigungsbasiertes Governance-Modell. Autonomie kann nur auf Vertrauen aufbauen. Das System führt also nur aus, was es explizit ausführen darf und holt Freigaben, wo es nicht ausdrücklich selbstständig agieren darf. Dieses Modell darf aber kein statisches Regelwerk sein, sondern muss sich durch laufende Freigaben entwickeln, die auf Basis bereits durchgeführter verlässlicher Aktionen bestätigt wurden.

Der Entwicklungspfad von der Datenbasis zum NextGen-xRM

Das Fundament bleibt weiter unverzichtbar. Ohne saubere Entitäten, konsistente Relationen und eine strukturierte Datenbasis ist jede KI-Ausgabe unzuverlässig. Wer heute ein Unternehmenssystem aufbaut, beginnt richtig, wenn er klassisch anfängt. Der entscheidende Unterschied liegt nicht darin, ob eine Datenbasis existiert, sondern darin, wie sie gebaut ist: Datenhaltung und Darstellung müssen von Anfang an konsequent getrennt sein. Dann kann jede Ausgabe, egal ob visuell als Maske, Liste, Dashboard, generierte Visualisierung oder konversational als KI-Antwort, als auswechselbare Schicht darüber gebaut werden.

Es gibt heute No-Code-BPM-Plattformen mit Composable-Architektur, die dem beschriebenen Prinzip strukturell näherkommen als klassische CRM-Systeme, weil sie Datenhaltung, Prozesslogik und Darstellung bereits konsequenter trennen. Aber auch diese Systeme denken Prozesse typischerweise als vordefinierte Flows anstatt als Zielräume. Sie können KI beschleunigen und in bestehende Abläufe einbetten. Was sie nicht können, ist autonom denken, Ziele ableiten und Teilschritte situativ orchestrieren.

Für ein wirkliches NextGen-xRM müsste der Entwicklungspfad drei konzeptionelle Erweiterungen über jede bestehende Plattform hinaus adressieren:

Erstens eine Intentionsschicht über dem Datenmodell: Was bedeutet diese Entität geschäftlich? Welche Ziele sind mit ihr verknüpft? Welche Aktionen haben welche Konsequenzen? Diese Schicht ist das Vokabular, das Agenten brauchen, um sinnvoll zu handeln, und diese Schicht muss hochdynamisch angelegt sein, da sie ständig an veränderte Anforderungen angepasst werden muss.

Zweitens ein Agentic Execution Layer: Zusätzlich zu Workflow-Triggern benötigt ein solches System einen Agenten-Orchestrator, der Ziele erhält, Teilschritte situativ plant und die bestehende API als Aktionswerkzeug nutzt.

Drittens ein explizites Governance-Modell: Welche Aktionen führt das System ohne Rückfrage aus? Welche werden vorgeschlagen und warten auf Freigabe? Welche lösen immer eine menschliche Entscheidung aus?

Das NextGen-xRM muss JETZT gedacht und umgesetzt werden. In 5 Jahren ist es zu spät.

Unternehmen, die heute Systeme evaluieren oder neu aufsetzen, treffen keine Technologieentscheidung für zwei Jahre. Sie treffen eine Architekturentscheidung für ein Jahrzehnt. Dabei darf nicht die Frage gestellt werden, welches bestehende System die besten KI-Features bietet. Die technologische Entwicklung ist schlicht zu schnell dafür.

Die Nervosität an den Märkten ist berechtigt, aber die Antwort darauf sind nicht mehr Features auf alten Fundamenten. Vielmehr muss ein neues Grundprinzip etabliert werden, welches das gesamte System als Akteur und den Menschen als seinen Kunden und sein Korrektiv betrachtet.

Deshalb muss die Frage beantwortet werden, welche Architektur es uns erlaubt, in drei Jahren ein zielorientiertes Agentensystem zu betreiben.

Die CRM-Systeme von heute, denen dieser Übergang gelingt, werden eine ganz neue Gattung von Software darstellen. Diese Lösungen werden weder qualifizierte Mitarbeiter ersetzen noch müssen sie sich vor Analysten und Investoren fürchten.